Différences
Ci-dessous, les différences entre deux révisions de la page.
| Les deux révisions précédentes Révision précédente Prochaine révision | Révision précédente | ||
|
tesseract-ocr [Le 12/09/2020, 14:19] 78.203.12.33 [Erreur à l'utilisation] |
tesseract-ocr [Le 04/08/2023, 19:43] (Version actuelle) lyondif02 [Liens] mention outil OCRmyPDF basé sur Tesseract |
||
|---|---|---|---|
| Ligne 15: | Ligne 15: | ||
| ===== Installation ===== | ===== Installation ===== | ||
| [[:tutoriel:comment_installer_un_paquet|Installez les paquets]] **[[apt>tesseract-ocr]]** et pour reconnaître la langue française, **[[apt>tesseract-ocr-fra]]**. \\ | [[:tutoriel:comment_installer_un_paquet|Installez les paquets]] **[[apt>tesseract-ocr]]** et pour reconnaître la langue française, **[[apt>tesseract-ocr-fra]]**. \\ | ||
| - | Il existe d'autres fichiers de langues, comme par exemple : | + | Il existe d'autres fichiers de langues, comme par exemple : |
| - | * **[[apt>tesseract-ocr-deu]]** (allemand), | + | * **[[apt>tesseract-ocr-deu]]** (allemand), |
| - | * **[[apt>tesseract-ocr-eng]]** (anglais), | + | * **[[apt>tesseract-ocr-eng]]** (anglais), |
| - | * **[[apt>tesseract-ocr-spa]]** (espagnol), | + | * **[[apt>tesseract-ocr-spa]]** (espagnol), |
| - | * **[[apt>tesseract-ocr-nld]]** (hollandais), | + | * **[[apt>tesseract-ocr-nld]]** (hollandais), |
| - | * **[[apt>tesseract-ocr-ita]]** (italien), | + | * **[[apt>tesseract-ocr-ita]]** (italien), |
| - | * **[[apt>tesseract-ocr-por]]** (portugais-brésilien), | + | * **[[apt>tesseract-ocr-por]]** (portugais-brésilien), |
| * **[[apt>tesseract-ocr-vie]]** (vietmamien), | * **[[apt>tesseract-ocr-vie]]** (vietmamien), | ||
| - | * **[[apt>tesseract-ocr-deu-f]]** (vieil-allemand). | + | * **[[apt>tesseract-ocr-deu-f]]** (vieil-allemand). |
| ===== Utilisation ===== | ===== Utilisation ===== | ||
| <note important>les scanners numérisent souvent avec une résolution suffisante pour la lecture à l'écran mais insuffisante pour une reconnaissance efficace. | <note important>les scanners numérisent souvent avec une résolution suffisante pour la lecture à l'écran mais insuffisante pour une reconnaissance efficace. | ||
| - | Il faut donc numériser au moins à **300 voire 600 ppp** (Point Par Pouce ou DPI) | + | Il faut donc numériser au moins à **300 voire 600 ppp** (Point Par Pouce ou DPI) |
| Quant au type de fichier, le format [[wpfr>Tagged_Image_File_Format|tiff]] est mieux reconnu, ainsi un document tiff en 300ppp est intégralement reconnu alors qu'au format JPEG, toujours en 300ppp, seules les lettres majuscules sont reconnues</note> | Quant au type de fichier, le format [[wpfr>Tagged_Image_File_Format|tiff]] est mieux reconnu, ainsi un document tiff en 300ppp est intégralement reconnu alors qu'au format JPEG, toujours en 300ppp, seules les lettres majuscules sont reconnues</note> | ||
| Ligne 85: | Ligne 85: | ||
| <note tip>Pour réaliser de la Reconnaissance optique de caractères : | <note tip>Pour réaliser de la Reconnaissance optique de caractères : | ||
| - | * sur un document déjà numérisé, on utilise [[gscan2pdf|gscan2pdf]]. | + | * sur un document déjà numérisé, on utilise [[gscan2pdf|gscan2pdf]]. |
| * sur un document à numériser, on utilise plutôt [[xsane|XSane]], dont la fonction de prévisualisation permet de sélectionner des zones de texte. | * sur un document à numériser, on utilise plutôt [[xsane|XSane]], dont la fonction de prévisualisation permet de sélectionner des zones de texte. | ||
| Ligne 164: | Ligne 164: | ||
| * [[https://github.com/tesseract-ocr/tesseract/wiki|Site officiel]] | * [[https://github.com/tesseract-ocr/tesseract/wiki|Site officiel]] | ||
| * [[http://www.repairfaq.org/filipg/gnu/tesseract/html-102_03/|Documentation pour contribuer au code (en anglais)]] | * [[http://www.repairfaq.org/filipg/gnu/tesseract/html-102_03/|Documentation pour contribuer au code (en anglais)]] | ||
| - | * [[http://forum.ubuntu-fr.org/viewtopic.php?id=78804|le fil de discussion du forum]] Open Office, Reconnaissance de caractères, Xsane, Kooka et Cie... | + | * [[https://forum.ubuntu-fr.org/viewtopic.php?id=78804|le fil de discussion du forum]] Open Office, Reconnaissance de caractères, Xsane, Kooka et Cie... |
| * [[https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract|La page où on parle de l'apprentissage avec tesseract (anglais)]] | * [[https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract|La page où on parle de l'apprentissage avec tesseract (anglais)]] | ||
| * [[:ocr|La page de la documentation francophone Ubuntu sur la reconnaissance optique de caractères]] | * [[:ocr|La page de la documentation francophone Ubuntu sur la reconnaissance optique de caractères]] | ||
| * [[https://gist.github.com/stesie/42dff3d14fbfac60524f381babb8f81d|script « scan2pdf+ocr.sh » sur le GITHUB]] | * [[https://gist.github.com/stesie/42dff3d14fbfac60524f381babb8f81d|script « scan2pdf+ocr.sh » sur le GITHUB]] | ||
| + | * [[https://ocrmypdf.readthedocs.io/en/latest/introduction.html|OCRmyPDF]] : programme qui rend un fichier PDF indexable – à savoir, dont le contenu peut faire l’objet d’un recherche textuelle. Il est écrit en [[python|Python]], s’appuie sur le moteur ROC Tesseract et sur GhostScript, est disponible au [[snap|format Snap]] ou en [[apt|paquet APT]], et est utilisable en ligne de commande par défaut. | ||
| ---- | ---- | ||
| //Contributeurs : [[:utilisateurs:teolemon|Pierre S.]], [[:utilisateurs:Hector]] et [[:utilisateurs:Sorbus]], [[:utilisateurs:eagle08]] : liens.// | //Contributeurs : [[:utilisateurs:teolemon|Pierre S.]], [[:utilisateurs:Hector]] et [[:utilisateurs:Sorbus]], [[:utilisateurs:eagle08]] : liens.// | ||